Wenn Unternehmen KI-Agenten in ihre Arbeitsabläufe einbinden, wird die Rechnung oft zuerst unverständlich: Die Ausgaben steigen, aber die Teams können nicht sagen, welcher Agent, welches Modell oder welche Anfrage die Kosten in die Höhe getrieben hat. Genau dieses Problem adressieren das Activity-Dashboard und die Analytics-API in der Beta-Version, die OpenRouter am 17. August veröffentlicht hat.
Das Tool schlüsselt die Nutzung nach Agent, Modell und einzelner Anfrage auf. Verantwortliche können bei fünf Kennzahlen ansetzen – Gesamtausgaben, Anzahl der Anfragen, Token-Nutzung, Cache-Trefferquote und Mischkosten pro Million Token – und sich von dort bis zu konkreten Logs durchklicken. Das Produkt verspricht nicht, Teams Geld zu sparen; es liefert eine Nutzungsansicht, die sich bis zu einer klaren Verantwortungsgrenze zurückverfolgen lässt.
Von der Gesamtsumme zu einer einzelnen Anfrage
Die offizielle Dokumentation von OpenRouter listet die Dimensionen auf, nach denen sich aufschlüsseln lässt: Modell, Anbieter, API-Schlüssel, Anwendung, Nutzer, Workspace, Sitzung, Kontextlänge und Datenregion, unter anderem. Diagramme lassen sich nach Minute, Stunde, Tag, Woche oder Monat aggregieren oder bis zu einem einzelnen Generation-Datensatz herunterbrechen.
In den Logs kann ein einzelner Eintrag die Kosten für Reasoning, Caching, Websuche und Dateiverarbeitung zeigen, dazu Latenz, Durchsatz, Zeit bis zum ersten Token sowie Routing- und Fallback-Informationen. Für Teams, die bereits mehrere Modelle und mehrere Anbieter gleichzeitig nutzen, machen diese Felder aus einer "Kostenanomalie" ein tatsächlich nachvollziehbares Problem: Ist der System-Prompt eines bestimmten Agenten zu lang, wurde ein Cache-Präfix unterbrochen, oder hat ein Routing-Wechsel die Latenz erhöht.
OpenRouter formuliert es unverblümt: "Every company that spent the last two years deploying agents is now asking the same question: what are they costing us, and which ones are worth it?" Das Dashboard soll genau diese Frage auf konkrete Anwendungen und Anfragen herunterbrechen.
Sichtbarkeit ist keine automatische Kontrolle
Das Produkt bietet zudem eine Guardrails-Ansicht, mit der sich sehen lässt, wie Regeln gegen Prompt Injection und sensible Informationen blockieren, maskieren oder markieren; die Analytics-API erlaubt es Teams, dieselben Daten in ihre eigenen Dashboards zu übernehmen. Gelöst wird damit Sichtbarkeit – nicht das Festlegen von Budgets oder Freigaberegeln für das Unternehmen.
Diese Unterscheidung ist wichtig. Sobald ein Agent Tools aufrufen darf, sind Token-Kosten nur eine Ebene; die Anzahl der Tool-Aufrufe, der Umfang der Datenabfrage, die Dateiverarbeitung und die Latenz externer Dienste verändern gemeinsam die tatsächlichen Ausgaben. Erst wenn die Daten nach Agent, Modell und Anfrage sortiert sind, können Teams anfangen, kostenintensive Aufgaben zu begrenzen oder zu beurteilen, ob Caching- und Routing-Strategien tatsächlich funktionieren.
Mit dem Update verschiebt OpenRouter die Analyse der KI-Nutzung von einer einzelnen Gesamtrechnung hin zu einem nachvollziehbaren Datenstrom. Für Engineering-Verantwortliche zählt als Nächstes nicht ein hübsches Übersichtsdiagramm, sondern welche auffälligen Anfragen sich zuverlässig reproduzieren, erklären und wieder ins Budget zurückführen lassen.
Quellen: Produktankündigung von OpenRouter; abgeglichen mit Activity-Dashboard, Analytics-API und Log-Feldern; CocoLoop.